Geri Dön

House price modelling under covid-19 analysis of parameters on online listing platforms

Covid-19 pandemi döneminde online emlak platformlarındaki parametreler kullanılarak konut fiyatlarının modellenmesi

  1. Tez No: 861583
  2. Yazar: SAMET DİBEK
  3. Danışmanlar: DOÇ. DR. KEREM YAVUZ ARSLANLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mimarlık, İnşaat Mühendisliği, Şehircilik ve Bölge Planlama, Architecture, Civil Engineering, Urban and Regional Planning
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Gayrimenkul Geliştirme Ana Bilim Dalı
  12. Bilim Dalı: Gayrimenkul Geliştirme Bilim Dalı
  13. Sayfa Sayısı: 77

Özet

İstanbul, Türkiye'nin en büyük şehri ve tüm dezavantajlarına rağmen nüfusu artmaya devam ediyor. Son yıllarca artış hızında bir azalma mevcut olmasına rağmen, şehir büyümeye ve genişlemeye devam ediyor. 15 milyondan fazla nüfusu ile en yakın rakibi olan Ankara'nın 3 katı büyüklüğe sahip olan şehirde konut yetersizliği ise kaçınılmaz olarak gündemde. Tüik tarafından yayınlanan istatistiklere göre Türkiye'de kilometrekareye düşen kişi sayısı ortlama 110 iken, İstanbul'da bu rakam 3.049 kişi. İşte hem bu büyümenin etkisi hem de deprem kuşağında yer alması nedeniyle, gerek yeni konut ihtiyacı gerekse yenilenme ihtiyacı nedeniyle İstanbul her zaman emlak piyasasının merkezinde yer almıştır. Diğer yanda, son 10 yılı incelendiğinde küresel olarak ciddi bir dijitalleşme içerisinde olunduğu ise çok açık şekilde görünüyor. Dijital para birimleri, metaverse dünyası gibi kavramların yanında artık eskiden önyargılı şekilde bakılan e-ticaret ve online listeleme platformları ise hayatın normalleri arasında yerini aldı. Tüm bu dönüşüm, büyüme ve deprem riski ile birlikte, 2020 yılının başlarında dünyada önce bir dedikodu gibi haberi yayılan, sonra da gerçekleriyle birlikte hayatın gündemine hakim olan covid-19 pandemisi, İstanbul'un içinde bulunduğu karmaşık denkleme yeni bir bağımsız değişken olarak dahil oldu. 2021 yılının ortalarından itibaren yine kürsel boyutta artan enflasyon ve ekonomik kriz ise bu çalışma içerisinde bir bağımsız değişken olarak yer almadı ve sonuçlar beklenen ve doğrusal sayılacak bir trendi işaret etti. Bu çalışma, İstanbul'da bulunan konut fiyatlarını, pandemi döneminin başından, normalleştiği 2021 yılının ortalarına kadar, online listeleme platformlarındaki veriler aracılığı ile matematiksel bir modelle açıklamayı ve bu modeller üzerinden de çıkarımlar yapılmasını içermektedir. Türkiye'de en çok kullanılan online listeme platformlarından biri olan Emlakjet, bu döneme ait yaklaşık 636.000 listeleme verisini anonim bir şekilde paylaşarak, bu çalışmaya çok büyük bir katkıda bulundu. Kullanıcıların gerek ilan verirken, gerekse konut arayışında en çok kullandığı; konutun net yaşam alanı, içinde bulunduğu binanın yaşı, konutun site içerisinde olup olmadığı, binanın toplam kat sayısı ve dairenin bulunduğu kat seviyesi kriterlerine göre bir çalışma yapılmasının en sağlıklı yol olacağını değerlendirildi.. Çünkü bunlar dışındaki verilerin, çalışmanın konusu olmayan belirli sebepler nedeniyle eksik ya da yanlış girilmesi nedeniyle işlenmesi için daha karmaşık yöntemler gerekmektedir. Dolayısı ile çalışmanın gerçeği en sağlıklı bir şekilde yansıtması ve verilerin de yine verimli şekilde kullanılması amacıyla, bağımsız değişkenler olarak nitelendirilen bu kriterleri sayılanlarla sınırlı tutmanınen doğrusu olacağı değerlendirildi. Çalışma ve sonuçlar, bilimsel zemin bakımından, çoklu doğrusal regresyon analizi ilkelerine göre yapılmış ve yorumlanmıştır. Bu metot, birden fazla değişkene doğrusal olarak ilişkilendirildiği varsayılan yani istatistik terminolojisine göre her bir bağımsız değişkenin normal dağılım gösterdiği büyük veri toplulukları için, lineer bir denklem ortaya konulmasını tanımlar. Bu tez kapsamında , bu denklem birden fazla dönem için tekrar tekrar hesaplanarak, denklemde bulunan katsayıların belirli dönemlerde hangi yönde değiştiğini izlendi ve zaman içerisinde değişkenlerin denkleme ne kadar güçlü ya da zayıf etki ettiği yorumlanmak sureti ile konut fiyatlarının pandemi dönemi içerisindeki analizi yapıldı. Fakat, başta da ifade edildiği üzere, İstanbul'un yeterince karmaşık olan konut profilini, tek bir denklemle ifade etmek doğru olmayacaktı. İlk incelemede mevcut bulunan 636.000 verinin çok geniş bir skalayı kapsadığı gözlemlendi. Bu verilerin alt regresyon gruplarına ayrılması gerekiyordu ve İstanbul için çok sayıda bilimsel çalışmaya konu olduğu üzere en doğru yöntem mekansal regresyon analizi yapmak olmasına rağmen, bunun çalışmanın kapsamını aşacağı düşünüldü. Bu nedenle, literatür taramalarında alt regresyon grupları oluşturma konusunda yine tavsiye edilen yöntemlerden biri olan fiyat aralıklarına göre sınıflandırma yapılmasına kanaat getirildi. Bu gruplar; 2020 yılının mart ayı ile 2021 yılının haziran ayı arasında, 100.000 TL ile 1.000.000 TL arasında listelenen ilanlar (Alt gelir grubu) 1.000.000 TL ile 4.000.000 TL arasında listelenen ilanlar (Orta gelir grubu) 4.000.000 TL ile 15.000.000 TL arasında listelenen ilanlar (Üst gelir grubu) olarak 3 başlıkta tanımlanmıştır. Her bir grup için aylık bazda regresyon modelleri oluşturulmuş ve toplamda 3 x 16 regresyon analizi yapılmış ve bulunan her set kendi içerisinde bir biri ile kıyaslanarak bağımsız değişken parametlerinin değişimi gözlenmiştir. Bahse konu fiyat aralıklarının 2020 yılı ile 2021 yılının ilk yarısında hakim olan ekonomik koşullarla belirlendiğinin altının çizilmesi gerekmektedir. Yapılan çalışmada en anlamlı sonuçlara alt gelir grubuna ait ilanlar için ulaşılmıştır. Malesef fiyatların artması ile birlikte, ilanın bulunduğu ilçe ve semt verileri incelendiğinde mekansal parametrelerin denklemlere dahil edilmesi gerektiği özellikle orta gelir grubunda gözlemlenmiştir. En üst gelir grubunda ise, mülk özelinde deniz manzarası, özel hizmet ve özel dekorasyonlar benzeri farklı satış argümanlarının belirleyici olması nedeniyle teze konu listeleme ilan kriterlerinin anlamsız sonuç verdiği tespit edilmiştir. Alt gelir grubu için yapılan incelemelerde, pandemi süresince kapalı sitelerde bulunan modern ve yeni konutlarda yaşama eğiliminin arttığı söylenebilir. Burada bir terminoloji parantezi açmak gerekmektedir; eğilimin artmasının,“asking price”olarak anılan listeleme verisinin hangi yönde arttığı ile paralel değiştiği varsayımında bulunulmaktadır. Yani, yeniden ifade etmek gerekirse, regresyon modelleri arasında konutun bulunduğu yerin site olmasının, konut fiyatına olan etkisinin artması halinde, bu yönde eğilimin arttığı yorumlanmaktadır. Açıklanan kapsamda, alt gelir grubuna konu evlerde, (tekraren) site içerisinde yaşama eğilim olduğu, eski binalarda yaşama eğiliminin azaldığı (aynı özellikteki iki konuttan yaşlı olan konutun daha düşük fiyatlı listelendiği) ve“büyük ev gereksiniminin”yerini“çok odalı ev gereksiniminin”aldığı görülmüştür. Yani oda sayısı dışında aynı özelliklere ve aynı büyüklüğe sahip evler arasında çok odalı olanın daha yüksek fiyatla listelendiği, büyüklüklüe bağlı bağımsız değiken katsayıların azalma eğiliminde olduğu bunun da pandemi koşulları ile paralel; evden çalışma gereksinimleri, pandemi kaynaklı izolasyon ihtiyacı gibi nedenlere bağlı olduğu yorumlanmıştır. Dönemin başında ve sonunda (Haziran 2020 ve 2021) oluşturulan iki ortak modeli çalıştırdığımızda ise sayısal bağlamda; kapalı sitelerde yaşama katsayılarının %14, oda sayısı katsayılarının %7 arttığını ve buna karşılık net yaşam alanına dair katsayıların %26 azaldığı gözlenmiştir. Orta gelir grubunda ise yapılan analizlerde yalnızca oda sayısı ve net yaşam alanı dışında kalan parametrelerin anlamlı sonuçlar vermediği gözlenmiştir. Anlamlı parametreler üzerinde alınan bulguların da alt gelir grubu ile paralellik gösterdiği gözlenmiştir. Daha ileride yapılacak çalışmalarda, mekansal analiz (spatial analysis) ile daha kapsamlı değerlendirmeler yapılabileceği öngörülmektedir. En yüksek fiyat grubunda yer alan çalışmalarda,“net yaşam alanı”dışındaki hiçbir parametrede anlamlı bir sonuç çıkmamıştır.

Özet (Çeviri)

This study examined how Covid-19 affected house prices in online listing platforms for the Istanbul Metropolitan area. In all online listing platforms in Turkey, net living area, building age, being in a gated community, the number of floors and floor level of the apartment is the primary filtering and evaluation criteria. We analyzed how and in what direction these parameters affect house prices, depending on people's preferences, from the beginning of 2020, which is considered the beginning of Covid-19, to June of 2021, the period when the life began to continue relatively independent from covid-19. While doing this, we had 635,234 observations of house sales from online listings. We divided the data into three groups for houses with lower, middle and upper-income level prices, running them in a split model would be a better option when considering Istanbul's metropolitan structure. For each dataset, we have created regression models on a monthly basis and tracked the change of parameter coefficients. While all parameters in the model gave meaningful results for the lowest price segment, the significance level decreased as the prices increased. During the pandemic, the low-income group's tendency has evolved towards a modern form of housing in gated communities. As a result, the tendency to live in old buildings has decreased and the“large space requirement”related to size has left its place for“more room”houses in these preferences. When we run two co-models constructed at the beginning and end of the period (June of 2020 and 2021), the coefficients for living in the gated communities increased by 14%, the coefficients for the number of rooms increased by 7% and the coefficients for the net living area decreased by 26%. The building age coefficient changed its sign to negative as expected. Furthermore, none of the parameters except the net living area in the highest price group yielded to a significant result.

Benzer Tezler

  1. Spillovers between Turkish house pricing, stock exchanges, gold, CDS and exchange rate

    Türkiye konut fiyatları, hisse endeksleri, altın, CDS ve döviz kuru arasındaki yayılımlar

    ESER ŞENTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Ekonometriİstanbul Teknik Üniversitesi

    Gayrimenkul Geliştirme Ana Bilim Dalı

    PROF. DR. BÜLENT GÜLOĞLU

  2. Modelling prepayment in mortgages with a bank exercise

    Banka örneğinde konut kredilerinde erken ödeme modellemesi

    AYŞİN ÖZDİL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    MaliyeÖzyeğin Üniversitesi

    İşletme Ana Bilim Dalı

    DR. LEVENT GÜNTAY

    DR. EMRAH AHİ

    DR. GAMZE ÖZTÜRK DANIŞMAN

  3. Modelling, design, simulation and analysis of range extended electric vehicle

    Menzili arttırılmış elektrikli araçların modellenmesi, tasarımı, benzetimi ve analizi

    ERSİN HASAN DOĞRUGÜVEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. METİN ERGENEMAN

  4. Güneş enerjili sıcak su sistemlerinin tasarım için modellenmesi ve simülasyonu

    Başlık çevirisi yok

    MEHMET EVREN YET

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET KUZUCU

  5. House price dynamics in izmir's neighborhoods: A comprehensive approach

    İzmir mahallelerinin konut fiyat dinamikleri: Kapsamlı bir yaklaşım

    ZEYNEP MELİKE SAYIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Şehircilik ve Bölge Planlamaİzmir Yüksek Teknoloji Enstitüsü

    Şehir Planlama Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP ELBURZ

    DOÇ. DR. HASAN ENGİN DURAN